[Paper] 您为何向 Stack Overflow 贡献内容？在 LLM 时代之前，跨文化动机与使用模式的理解

Source: arXiv - 2603.05043v1

概览

本文研究了开发者为何向 Stack Overflow（SO）贡献内容，以及这些动机在不同文化之间的差异——具体而言是美国、中国和俄罗斯。通过将自我描述的动机与实际平台行为关联，作者揭示了对构建工具、社区或依赖 SO 数据的 AI 模型的任何人都重要的模式。

关键贡献

• Cross‑cultural taxonomy: 通过系统分析用户个人资料文本，识别出 17 类不同的动机类别。
• Mixed‑methods pipeline: 将对个人资料的定性内容分析与定量语言和活动指标相结合。
• Empirical correlations: 展示了特定动机（如广告、利他主义、学习）如何与可衡量的行为（如发帖频率、答案采纳率和个人资料完整度）相关联。
• Cultural contrasts: 证明美国贡献者倾向于自我宣传，中国贡献者更注重学习，俄罗斯贡献者则介于两者之间。
• Practical guidelines: 为社区管理员、平台设计者以及 LLM 开发者提供了可操作的洞见，帮助培育多元化的参与。

方法论

1. 数据收集 – 为来自三个地区（美国、中国、俄罗斯）的SO用户的分层样本提取公开的个人简介和活动日志（提问、回答、投票）。
2. 定性编码 – 研究人员对个人简介进行演绎性内容分析，将陈述映射到预先定义的动机主题集合（例如，“职业宣传”“帮助他人”“技能获取”），共得到17个类别。
3. 语言量化 – 应用自然语言处理（分词、词性标注）计算个人简介长度、词汇丰富度和情感得分。
4. 相关性分析 – 使用Spearman相关系数（rho）将每个动机类别与活动指标（回答数量、声望增长、个人资料完整度）关联。
5. 跨文化比较 – 进行统计检验（Kruskal‑Wallis检验、事后Dunn检验）以检测三国组之间的显著差异。

结果与发现

• 编写更详尽个人资料的用户倾向于从事广告和网络活动。
• 以学习为导向的用户保持个人资料简洁，专注于提问/回答，而非自我展示。
• 总体而言，广告动机仅次于利他主义，凸显平台作为职业建设舞台的作用。

实际意义

• 针对平台设计者： 为自我宣传是强驱动因素的地区定制 UI 提示（例如 “展示你的作品集”），而在中国等市场则强调学习资源。
• 针对社区管理员： 制定地区特定的推广——在美国为无私回答者提供认可徽章，在中国为学习者设立导师计划，在俄罗斯用户中举办讨论论坛活动。
• 针对大语言模型开发者： 注意来自 SO 的训练数据存在文化偏差；模型可能会对英文内容中过度表现自我宣传的语言，而对中文贡献者的学习导向表述表现不足。相应地调整数据平衡流水线。
• 针对招聘人员和人力资源工具： 利用已识别的个人资料丰富度与广告动机之间的关联，更好地将开发者在公开 SO 上的表现解读为职业意向的信号。

限制与未来工作

• 样本偏差: 仅分析了公开的个人资料文本；没有个人简介的沉默贡献者被排除，可能导致动机分布出现偏差。
• 静态快照: 本研究早于大型语言模型的广泛采用；随着 LLM 自动化回答，动机可能会发生变化。
• 文化细粒度: 按国家分组会掩盖国内的多样性（例如地区方言、行业部门）。未来工作可以探索更细致的文化维度（如 Hofstede 评分、语言家族）。
• 纵向追踪: 随时间跟踪用户可以揭示动机的演变，尤其是在平台重大变更或 LLM 整合之后。

作者

• Sherlock A. Licorish
• Elijah Zolduoarrati
• Tony Savarimuthu
• Rashina Hoda
• Ronnie De Souza Santos
• Pankajeshwara Sharma

论文信息

• arXiv ID: 2603.05043v1
• 分类: cs.SE
• 发布时间: 2026年3月5日
• PDF: 下载 PDF